1、網(wǎng)頁裁剪工具是企業(yè)信息門戶(EnterpriseInformationPortal，簡稱EIP)中常用的信息資源獲取工具，應用于企業(yè)信息門戶(EIP)建設中，具有價值很大的研究開發(fā)意義。目前，國外很多大公司，比如IBM、ORACLE等，都開發(fā)了Portal產(chǎn)品，而且在Portal產(chǎn)品中都附帶網(wǎng)頁裁剪工具。但是網(wǎng)頁裁剪工具仍然存在著很多問題，其中一個比較大的問題就是使用該工具的文本裁剪方法容易產(chǎn)生HTML結構不完整的情形，造成裁剪得到的門

2、戶部件不能正確地運行。 本文的主要工作就是通過研究一個HTML修補器來解決上述HTML結構不完整的問題，主要工作及創(chuàng)新點如下： (1)綜述企業(yè)信息門戶EIP以及國內外網(wǎng)頁裁剪的情況，主要介紹了外國的大公司IBM和ORACLE的Portal及其網(wǎng)頁裁剪的情況； (2)總結HTML語言以及詞法分析的理論性知識，在詞法分析中重點介紹了正則表達式和有窮自動機； (3)提出了一個基于有窮自動機的HTML修補器的解決

3、方案。該方案首先利用網(wǎng)上開源工具HTMLTIDY對HTML網(wǎng)頁進行預處理，使HTML代碼規(guī)范化、標準化，然后根據(jù)正則表達式和有窮自動機對HTML代碼進行詞法分析，最后提出一個基于有窮自動機的三次掃描修補算法對HTML代碼進行修補，從而使得待修補的HTML代碼結構完整化。 本文的HTML修補器成功地應用在一個實際EIP項目開發(fā)的網(wǎng)頁裁剪工具中，并取得了良好的效果。但是該HTML修補器也存在一些不足之處，目前只能應用于文本裁剪，而不